本研究では、胸部診断において広く用いられる胸部X線画像の自動分類技術であるMedImageInsightを利用した、正常と異常の2カテゴリに分類する手法を探求しています。二つのアプローチが評価され、1つはMedImageInsightのファインチューニングによるエンドツーエンドの分類、もう1つは従来の機械学習分類器を用いたトランスファーラーニングパイプラインとしての機能抽出器としてのモデル利用です。ChestX-ray14データセットと実際の臨床データを組み合わせた実験の結果、ファインチューニングされた分類器が0.888のROC-AUCを達成し、トランスファーラーニングモデルと比較して優れた性能を示しました。これはCheXNetのような既存のアーキテクチャに匹敵する性能です。このシステムは、ウェブベースや病院のPACSワークフローに統合され、トリアージを支援し、放射線医の負担を軽減することを目的としています。今後の研究では、多ラベル病理分類にモデルを拡張し、臨床環境での予備的な診断解釈を提供する予定です。